|
|
幫lz補(bǔ)全：
https://baijiahao.baidu.com/s?id=1680976166304779554
無人智能貨柜技術(shù)方案大盤點(diǎn)，視覺圖像識(shí)別成主流,？
編輯導(dǎo)語：自動(dòng)售貨機(jī)的缺點(diǎn)較多,，且成本較高；所以出現(xiàn)了一個(gè)新的業(yè)務(wù)——智能售貨柜,，使用開門取貨,，自動(dòng)進(jìn)行結(jié)算的方式；但是機(jī)器怎么判斷顧客拿走的是那個(gè)商品呢,？本文作者列出了四種方案的利弊,，我們一起來看一下。
現(xiàn)代化意義上的自動(dòng)售貨機(jī)出現(xiàn)在第二次工業(yè)革命之后,，第三次工業(yè)革命又給了自動(dòng)售貨機(jī)騰飛的翅膀,。
但這些都是傳統(tǒng)意義上的自動(dòng)售貨機(jī)，傳統(tǒng)的自動(dòng)售貨機(jī)優(yōu)點(diǎn)是先付錢后出貨且有完整的風(fēng)控方案,，運(yùn)營(yíng)過程中丟貨率低,、漏洞少、物品人為損失少,；缺點(diǎn)也很明顯：設(shè)備復(fù)雜制造成本高,、受貨道結(jié)構(gòu)限制必須專機(jī)專用；比如S形堆積貨道只能賣瓶罐裝飲品不能賣零食,，彈簧螺旋貨道大部分商品都能賣但保溫性差功耗大且卡貨率也偏高,。
為了解決自動(dòng)售貨機(jī)成本高的問題，前兩年新興起的共享經(jīng)濟(jì)催生出了共享貨架和共享貨柜,，但這純粹靠人的素質(zhì)來運(yùn)營(yíng),，商品丟失率遠(yuǎn)超人的想象。
成本低廉的共享貨架失敗了,，傳統(tǒng)的無人售貨機(jī)成本又那么高,，新零售該怎么發(fā)展？這是很多零售行業(yè)從業(yè)者所焦慮的問題,，于是出現(xiàn)了自動(dòng)售貨機(jī)和共享貨架的結(jié)合體——智能售貨柜,。
工作流程簡(jiǎn)單,，“開門取貨、自動(dòng)結(jié)算”,，就好像是從自己家里的冰箱取走貨品一樣,，用戶體驗(yàn)十分順暢,。
最大的技術(shù)焦點(diǎn)是該機(jī)器怎么判斷顧客拿走了哪些商品,？針對(duì)此業(yè)內(nèi)目前主推四種技術(shù)方案，各有利弊,。
一,、RFID
RFID技術(shù)， 即射頻識(shí)別技術(shù),；每個(gè)RFID標(biāo)簽都是獨(dú)一無二的,，通過RFID標(biāo)簽與產(chǎn)品的一一對(duì)應(yīng)關(guān)系，可以清楚的跟蹤每一件產(chǎn)品的后續(xù)流通情況,。
因信號(hào)干擾問題,，RFID完全不適用于金屬包裝和液體商品；這就意味著,，易拉罐飲料等貨柜主力售賣產(chǎn)品會(huì)被RFID技術(shù)拒之門外,。
其次，RFID技術(shù)成本問題很高——“RFID需要將商品拆包裝,、寫標(biāo)簽,、貼標(biāo)簽，貼完了之后還要再次包裝好商品,，運(yùn)出去,，加上標(biāo)簽本身成本要在3毛錢到6毛錢，這個(gè)成本相當(dāng)高,�,！�
二、重力傳感器
重力感應(yīng)解決方案在每個(gè)貨道上均裝有重力感應(yīng)器,，核心原理即通過感知貨道上的重力變化來判斷消費(fèi)者實(shí)際拿取的商品,。
基于底層原理，該方案擁有以下應(yīng)用特性：
可自動(dòng)稱重售賣散裝生鮮產(chǎn)品,，適用于社區(qū)生鮮零售場(chǎng)景,；支持多種品類SKU售賣，商品可堆疊擺放,，充分利用空間,。根據(jù)重力識(shí)別原理的要求，所有商品都必須被放在計(jì)劃好的原始位置才能保證識(shí)別正確,，但消費(fèi)者行為完全無法限制,，一旦拿取后又放回在了非原始位置,，識(shí)別正確的概率將大大降低；同時(shí),，主流售賣產(chǎn)品中重量相似的非常多,，僅憑重力判斷無法區(qū)分。
因?yàn)槿绱�,，重力傳感器貨柜必須結(jié)合其它方案一同參與識(shí)別,。
三、靜態(tài)識(shí)別
靜態(tài)視覺識(shí)別技術(shù)的原理,，其實(shí)是圖片對(duì)比技術(shù),；通過拍攝拿貨前、拿貨后的兩張照片,，對(duì)比得出缺少的商品,，來判斷顧客拿走的商品是什么。
這一看起來高大上的圖片識(shí)別技術(shù),，其實(shí)弊端多多：
首先,，是商品側(cè)：
頂部相同外觀的產(chǎn)品不支持，比如可樂雪碧芬達(dá),，頂部看起來都一樣,，一旦發(fā)生傾倒，換位置等導(dǎo)致有遮擋,，就無法識(shí)別,。另一個(gè)，運(yùn)營(yíng)端需要對(duì)實(shí)時(shí)更新的商品圖片內(nèi)容進(jìn)行采集標(biāo)注,。涉及人工智能算法模型搭建,，需要對(duì)商品進(jìn)行學(xué)習(xí)，便于商品上新,。其次,，對(duì)于商品陳列擺放有極高的要求：
所有商品需要完全按照中間低、兩邊高的S形順序擺放,。柜子里面的商品不能疊放（不能摞著放）,，因?yàn)槭菆D片前后對(duì)比，若是疊放,，拿走了上一層的商品,，不會(huì)進(jìn)行扣費(fèi)。不能中間高兩邊低,，攝像頭會(huì)造成圖像畸變,，尤其是當(dāng)商品密集擺放或商品位于邊緣區(qū)域時(shí)，將給目標(biāo)檢測(cè)、特征提取等造成障礙,。如此多的陳列要求,，對(duì)運(yùn)營(yíng)商家挑戰(zhàn)極大，需要極高的運(yùn)營(yíng)維護(hù)成本和監(jiān)督成本,，以及由于商品識(shí)別錯(cuò)誤而帶來貨損,。
再次，空間利用上,，靜態(tài)識(shí)別攝像頭需要距離下層隔板有一定高度,，否則難以拍到商品全貌，因此柜子的利用空間會(huì)大大降低,，基本上會(huì)浪費(fèi)50%的容積,；冰柜可展示種類少,，且增加后期運(yùn)營(yíng)補(bǔ)貨成本,，需要更頻繁地補(bǔ)貨來保證商品充足。
最后,，對(duì)貨柜內(nèi)部的光源有要求,，太亮或者太暗都不行，太亮的環(huán)境會(huì)導(dǎo)致拍攝出來的照片一片死白,，無法識(shí)別出商品,。
四、動(dòng)態(tài)視覺識(shí)別
動(dòng)態(tài)視覺識(shí)別方案通常是在柜體頂端或兩側(cè)安裝1-4個(gè)攝像頭,，對(duì)消費(fèi)者開門后拿取商品的過程進(jìn)行錄制,，通過對(duì)消費(fèi)者視頻進(jìn)行識(shí)別從而確定消費(fèi)者拿取的商品信息。
動(dòng)態(tài)視覺柜的應(yīng)用特性包括以下：
對(duì)商品陳列無任何要求,，商品可堆疊擺放,，能夠提高空間利用率，適用于倉(cāng)儲(chǔ)運(yùn)營(yíng)場(chǎng)景,；商品的擺放成本比較低,，支持多品類SKU售賣。與靜態(tài)識(shí)別相比,，硬件層需要安裝的攝像頭減少,，同時(shí)基于識(shí)別方案的優(yōu)勢(shì)，動(dòng)態(tài)圖像識(shí)別智能柜,，商品可以疊放,，可售賣的品類眾多；附帶帶來的是補(bǔ)貨效率高,，單柜日均銷量也相對(duì)高一些,。
但動(dòng)態(tài)視覺識(shí)別需要采集的數(shù)據(jù)更多，對(duì)于點(diǎn)位的網(wǎng)絡(luò)狀態(tài)有著極高的要求,。
如需做到“千柜千面”,，多場(chǎng)景全渠道售賣,，兼容各類商家和商品，會(huì)出現(xiàn)各種各樣的復(fù)雜場(chǎng)景,，對(duì)圖像識(shí)別的精準(zhǔn)度和覆蓋度要求更高,；如商品遭遮蓋、倒放,、推倒,、疊放等問題，都需要通過優(yōu)化算法以及配合其他方案解決,，這都提高了技術(shù)門檻,。
綜合下來，RFID成本高,，無法用于液體金屬飲料,；重力感應(yīng)需結(jié)合其他手段一起綜合運(yùn)營(yíng)；靜態(tài)識(shí)別貨損率高,、貨柜利用率低且提升了運(yùn)營(yíng)成本,；動(dòng)態(tài)視頻識(shí)別是相對(duì)來說比較符合智能貨柜設(shè)計(jì)的。
可以說,，新技術(shù)驅(qū)動(dòng)了無人零售的發(fā)展,，但也提升了無人零售行業(yè)的準(zhǔn)入門檻與商家精細(xì)化運(yùn)營(yíng)服務(wù)水平。
在智能貨柜這個(gè)產(chǎn)品中,，智能貨柜即一個(gè)最小單位的“場(chǎng)”,；智能貨柜上的“貨”，通過數(shù)據(jù)驅(qū)動(dòng)在消費(fèi)者端可以做到千柜千面,，反向驅(qū)動(dòng)供應(yīng)鏈端和產(chǎn)品設(shè)計(jì)端,。
同時(shí)，在“場(chǎng)”和“貨”不斷迭代中,，對(duì)不同用戶畫像進(jìn)行精細(xì)化運(yùn)營(yíng),，提高坪效。
最終,，利用AI數(shù)據(jù),、用戶畫像、商品推薦等技術(shù)實(shí)現(xiàn)智能貨柜“人”,、“貨”,、“場(chǎng)”的消費(fèi)生態(tài)閉環(huán)。
|
評(píng)分
-
查看全部評(píng)分
|
樓主: hl90
發(fā)表于 2024-4-20 11:33:53
